▷ TensorFlow.js una biblioteca para añadir aprendizaje automático a través de JavaScript

Desarrolla modelos de AA en JavaScript y usa el AA directamente en el navegador o en Node.js.

  • Los tutoriales te muestran cómo usar TensorFlow.js con ejemplos completos de extremo a extremo.
  • Modelos previamente entrenados, listos para usar para casos prácticos comunes.
  • Se ejecutan demostraciones en vivo y ejemplos en tu navegador mediante TensorFlow.js.

Ejecuta modelos existentes

Utiliza modelos listos para usar de JavaScript, o convierte modelos de TensorFlow para Python y ejecútalos en el navegador o con Node.js. Explora modelos de TensorFlow.js previamente entrenados que están listos para usarlos en cualquier proyecto:

Encuentra modelos ya existentes

Algunos ejemplos de diferentes modelos existentes: Detección de objetos, segmentación del cuerpo, estimación de pose, detección de texto tóxico, codificación de oraciones, reconocimiento de comandos de voz o un clasificador KNN.

¿Qué es el aprendizaje por transferencia para personalizar modelos?

Los modelos sofisticados de aprendizaje profundo tienen millones de parámetros (pesos) y entrenarlos desde cero a menudo requiere grandes cantidades de datos de recursos informáticos. El aprendizaje de transferencia es una técnica que abrevia gran parte de esto al tomar una pieza de un modelo que ya ha sido capacitado en una tarea relacionada y reutilizarlo en un nuevo modelo.

Por ejemplo, el próximo tutorial en esta sección le mostrará cómo construir su propio reconocedor de imágenes que aproveche un modelo que ya fue entrenado para reconocer miles de diferentes tipos de objetos dentro de las imágenes. Puede adaptar el conocimiento existente en el modelo pre-entrenado para detectar sus propias clases de imágenes usando mucho menos datos de entrenamiento que el modelo original requerido.

Esto es útil para desarrollar rápidamente nuevos modelos, así como para personalizar modelos en entornos restringidos de recursos, como navegadores y dispositivos móviles.

La mayoría de las veces, al realizar el aprendizaje de transferencia, no ajustamos los pesos del modelo original. En su lugar, eliminamos la capa final y entrenamos un modelo nuevo (a menudo bastante superficial) en la parte superior de la salida del modelo truncado. Esta es la técnica que verá demostrada en los tutoriales de esta sección.

Desarrolla Aprendizaje Automático con Javascript

Compila y entrena modelos directamente en JavaScript con API flexibles e intuitivas.

¿Cómo comenzar con Tensorflow en Javascript?

TensorFlow.js es una biblioteca de JavaScript para el entrenamiento y la implementación de modelos de aprendizaje automático en navegadores y en Node.js.

¿Quieres comenzar a usar el aprendizaje automático sin tener que preocuparte por los detalles del nivel inferior, como los tensores o los optimizadores? La biblioteca ml5.js se compila sobre TensorFlow.js y proporciona acceso en un navegador a algoritmos y modelos de aprendizaje automático a través de una API concisa y accesible.

Modelos de Graphdef
Echa un vistazo a ml5JS: https://ml5js.org/

¿Cómo configurar Tensorflow JS?

¿Te sientes cómodo con conceptos como tensores, capas, optimizadores y funciones de pérdida (o estás dispuesto a sentirte cómodo con ellos)? TensorFlow.js proporciona componentes básicos flexibles para la programación de redes neuronales en JavaScript. Consulta cómo comenzar a usar el código de TensorFlow.js en un navegador o en Node.js.

Modelos de Graphdef
Sigue las introducciones de configuración: https://www.tensorflow.org/js/tutorials/setup

¿Cómo convertir modelos previamente entrenados a TensorFlow.js?

Aprende a convertir modelos previamente entrenados de Python a TensorFlow.js:

Modelos de Keras
Modelos de Graphdef

¿Cómo aprender del código ya existente de TensorFlow.js

Desde tensorflowjs se proporcionan pequeños ejemplos de código que sirven para implementar diversas tareas de AA con TensorFlow.js.

Visitar Github

? Los Mejores Chollos de Amazon, ¡Agrégalos a tu Lista de Deseos!

Fuente: TensorFlow.js es una biblioteca para el aprendizaje automático en JavaScript

Artículos Relacionados
La nube de Snowflake ahora es compatible con Python

Emocionantes actualizaciones en la plataforma de Snowflake. Los desarrolladores, científicos de datos e ingenieros de datos ahora podrán crear aplicaciones, canalizaciones y modelos de aprendizaje automático más eficientes en la plataforma de datos de Snowflake gracias a nuevas funcionalidades. Snowflake adquirió recientemente Streamlit, un ¡SEGUIR LEYENDO!

Themer personaliza tus Editores, IDEs, Apps o Navegadores

Themer es una aplicación online capaz de tomar un conjunto de colores y generar plantillas completas para tu entorno de desarrollo. Personalizar el diseño de tu Interfaz de Usuario con Themer será cosa de niñ@s. https://ciberninjas.com/mejores-editores-texto/ ¿Sabes que es lo mejor de todo? Con ¡SEGUIR LEYENDO!

Deep Java Library: Nuevo kit de herramientas Java para el aprendizaje profundo

En la conferencia de AWS: Invent 2019, Amazon lanzó Deep Java Library (DJL), una biblioteca de código abierto con API de Java para simplificar la capacitación, las pruebas, la implementación y la predicción con modelos de aprendizaje profundo. Si bien Java sigue siendo el ¡SEGUIR LEYENDO!

RubyGems: Prácticas de seguridad (9)

La instalación de una gema permite que el código de esa gema se ejecute en el contexto de tu aplicación. Claramente, eso tiene implicaciones de seguridad: La instalación de una gema maliciosa en un servidor podría resultar en última instancia en que el autor ¡SEGUIR LEYENDO!

Remix: React potenciado para lograr páginas web completas

Remix es un framework web de pila completa basado en React que permite al usuario concentrarse en la interfaz de usuario y trabajar a través de los fundamentos web para ofrecer una experiencia de usuario rápida, elegante y resistente. ? WEB OFICIAL DE REMIX ¡SEGUIR LEYENDO!

Gooey: Convierte cualquier programa de línea de comandos de Python en una aplicación GUI

Convierte (casi) cualquier programa de consola Python 2 o 3 en una aplicación GUI con una línea. ¿Qué es Gooey? Gooey convierte las aplicaciones de consola en aplicaciones GUI fáciles de usar. Permite concentrarse en crear programas robustos y configurables de una manera familiar, ¡SEGUIR LEYENDO!

Vidgear: Librería de Python para el procesamiento de vídeo

VidGear es una poderosa biblioteca de procesamiento de video en Python construida con Gears de subprocesos múltiples, cada uno con un conjunto único de características innovadoras. Estas API proporcionan un contenedor fácil de usar, altamente extensible y multihilo alrededor de muchas bibliotecas subyacentes de ¡SEGUIR LEYENDO!

Comparte tu opinión